Il Pentagono vuole portare il poligrafo – comunemente chiamato macchina della verità – nell’era dell’intelligenza artificiale. Nella proposta di bilancio per l’anno fiscale 2027, pubblicata nell’aprile 2026, la Defense Counterintelligence and Security Agency (Dcsa) ha inserito 6,421 milioni di dollari per avviare Polygraph Next, chiamato anche Polygraph+.
Sommando gli stanziamenti indicati fino al 2031, il programma vale 30,342 milioni di dollari. L’obiettivo dichiarato è sviluppare sistemi capaci di misurare a distanza alcuni segnali fisiologici e affidare ad algoritmi di machine learning una parte dell’analisi delle risposte. (Documento originale)
Il progetto arriva mentre il Pentagono ha intensificato l’uso dei test del poligrafo nelle indagini sulle fughe di informazioni riservate.
A settembre 2026 il New York Times e CBS News hanno riferito che circa 50 militari e dipendenti civili del Joint Staff erano stati sottoposti a esame nell’ambito di un’indagine sulle informazioni arrivate alla stampa riguardo alle scorte statunitensi di munizioni e sistemi d’arma. Il programma Polygraph Next era però già in sviluppo prima di quella vicenda e i due dossier restano formalmente distinti.
Indice degli argomenti:
Un programma da 30,3 milioni, ma i costi non sono chiusi
Il piano finanziario permette di misurare la dimensione dell’investimento. Dopo i 6,421 milioni richiesti per il 2027, la Dcsa indica 6,449 milioni per il 2028, 6,158 milioni nel 2029, 5,660 milioni nel 2030 e 5,654 milioni nel 2031. Il totale dei cinque esercizi raggiunge 30,342 milioni di dollari. La stessa tabella, tuttavia, riporta come “continuing” sia il costo necessario per completare il programma sia il costo complessivo. I 30,3 milioni rappresentano quindi la spesa programmata fino al 2031, non necessariamente il tetto finanziario dell’intero progetto.
Il finanziamento deve inoltre completare l’iter al Congresso. Si tratta di una richiesta di bilancio, non di denaro già definitivamente assegnato. L’8 settembre Inside Defense riferiva che il programma aveva ottenuto sostegno nei lavori delle commissioni Armed Services di Camera e Senato e che la commissione Appropriations della Camera aveva proposto il finanziamento richiesto. A quella data il processo degli stanziamenti non era ancora concluso.
Dal punto di vista industriale, il documento lascia aperta anche una parte importante della partita. Nella scheda dei costi il contraente per Polygraph Next risulta ancora “Tbd”, cioè da determinare, e non viene indicato un valore finale del contratto. Il progetto può quindi trasformarsi in una commessa pluriennale per imprese specializzate in sensori, analisi dei bio-segnali, software, cloud e intelligenza artificiale.
Telecamere e sensori al posto dei cavi
Il poligrafo tradizionale misura respirazione, pressione sanguigna, frequenza cardiaca e conduttività della pelle attraverso sensori collegati al corpo. L’esaminatore confronta le reazioni registrate durante domande considerate neutrali con quelle prodotte dalle domande rilevanti per l’indagine. La tecnologia è stata modificata nel tempo, ma il principio di fondo risale alla prima metà del Novecento. (Scheda Accademie Nazionali delle Scienze)
Polygraph Next vuole cambiare soprattutto il modo in cui questi dati vengono raccolti e interpretati. La Dcsa parla di “standoff sensing”, cioè monitoraggio fisiologico senza contatto, insieme a punteggi automatizzati e strumenti di supporto alle decisioni basati su AI e machine learning. È prevista anche una piattaforma centralizzata per archiviare e analizzare i dati.
Nel 2027 l’agenzia prevede di aumentare la produzione dei prototipi, avviare test operativi con programmi federali di poligrafo e sviluppare infrastrutture cloud per affinare il software e cercare nuovi indicatori diagnostici.
L’interesse economico della tecnologia sta nella possibilità di ridurre i tempi di installazione dei sensori, standardizzare una parte dell’esame e processare quantità maggiori di informazioni. Questi vantaggi operativi, però, non equivalgono automaticamente a una maggiore capacità di distinguere una menzogna dalla verità. È il punto su cui si concentra la controversia scientifica.
Presage e Altec, i primi prototipi scelti dal Pentagono
La fase industriale è iniziata prima della nuova richiesta di bilancio. Nel 2023 la Defense Innovation Unit, struttura del Pentagono dedicata all’adozione di tecnologie commerciali, ha aperto una selezione alla quale sono arrivate più di 25 proposte. Due società sono state scelte per costruire prototipi: Presage Technologies e Altec, affiliata di Delsys.
Presage sviluppa tecnologie in grado di ricavare parametri medici attraverso comuni telecamere. Altec lavora sui biosensori e sulle misurazioni senza contatto. La documentazione della Defense Innovation Unit cita anche telecamere termiche e tecniche capaci di rilevare segnali fisiologici senza collegare fisicamente il soggetto alla macchina. Al progetto hanno collaborato ricercatori della Carnegie Mellon University, del Mit, della University of Maryland e della Columbia University.
Il documento di bilancio del 2026 indica inoltre tra i partner di ricerca l’Applied Research Laboratory for Intelligence and Security e l’Oak Ridge National Laboratory. La Dcsa promette studi di validazione indipendente, prove sul campo e valutazioni dei prototipi prima dell’impiego più esteso.
Il problema irrisolto: lo stress non prova una bugia
Il limite principale del poligrafo non riguarda la precisione dei sensori. Riguarda il significato dei dati raccolti. Nel 2003 il National Research Council delle National Academies statunitensi pubblicò The Polygraph and Lie Detection, una delle più ampie revisioni scientifiche della materia. Il rapporto concluse che le evidenze disponibili erano scarse e scientificamente deboli, soprattutto quando il poligrafo veniva usato per lo screening di grandi gruppi di dipendenti.
Pressione, sudorazione, ritmo cardiaco e respirazione possono cambiare quando una persona mente, ma possono cambiare anche per paura, ansia, rabbia, disagio o semplice reazione alla situazione. Le National Academies sottolinearono che le risposte fisiologiche misurate dal poligrafo non sono legate in modo esclusivo all’inganno. Questa ambiguità limita l’accuratezza anche quando la misurazione tecnica è corretta.
Il problema diventa più serio nello screening, dove l’evento cercato — per esempio un dipendente che abbia realmente commesso una grave violazione della sicurezza — è raro. Anche una tecnologia con buone percentuali di accuratezza può produrre molti falsi positivi quando viene applicata a una popolazione molto ampia. Per un’amministrazione, gli errori significano nuove verifiche, ore di lavoro degli investigatori, contestazioni e possibili conseguenze sulle autorizzazioni di sicurezza.
L’AI può trovare schemi, ma serve una verità di riferimento
L’intelligenza artificiale può aumentare la capacità di individuare correlazioni difficili da riconoscere per un esaminatore umano. Può combinare temperatura facciale, movimenti, battito, respirazione e altri segnali in un unico punteggio. Il passaggio dal poligrafo classico a un sistema multimodale spiega buona parte dell’investimento del Pentagono.
Rimane però un ostacolo statistico: per addestrare e validare un algoritmo occorre sapere quali casi siano realmente veri e quali falsi. Se le etichette usate per l’addestramento derivano da valutazioni incerte, il software può apprendere e replicare gli stessi errori con maggiore velocità.
Gli esseri umani, del resto, non costituiscono un riferimento particolarmente affidabile. Una meta-analisi di Charles Bond e Bella DePaulo pubblicata nel 2006 su Personality and Social Psychology Review, basata su 206 lavori e 24.483 valutatori, trovò un’accuratezza media del 54% nel distinguere verità e menzogne senza strumenti tecnici.
Gli algoritmi possono fare meglio in esperimenti controllati. Uno studio pubblicato nel 2024 su iScience da Alicia von Schenk e altri ricercatori ha mostrato che un classificatore di machine learning applicato a dichiarazioni scritte superava le prestazioni umane. L’esperimento ha però rilevato un secondo effetto: quando il sistema era disponibile, aumentava la propensione ad accusare altre persone di mentire. Il 31% dei partecipanti chiese volontariamente il consiglio dell’algoritmo e chi lo consultava tendeva a seguirne il responso.
Il precedente delle ricerche sui controlli di sicurezza
L’uso del machine learning nei controlli federali non parte da zero. Nel 2022 Rand Corporation ha pubblicato Looking for Lies: An Exploratory Analysis for Automated Detection of Deception, uno studio su tecniche di elaborazione del linguaggio applicate a interviste simulate per le autorizzazioni di sicurezza. I ricercatori trovarono segnali promettenti, ma descrissero il lavoro come esplorativo e basato su un ambiente controllato.
È una distinzione importante per Polygraph Next. Un algoritmo può ottenere risultati utili in laboratorio quando i ricercatori conoscono in anticipo chi deve mentire e chi deve dire la verità. Un’indagine reale non offre la stessa certezza.
La validazione annunciata dalla Dcsa dovrà quindi misurare le prestazioni sui casi operativi e verificare quanti falsi positivi e falsi negativi produce il sistema.
Le fughe di notizie aumentano l’attenzione sul programma
L’investimento ha acquisito maggiore visibilità dopo le indagini interne al Pentagono dell’estate 2026. CBS News ha riferito il 5 settembre che diversi alti ufficiali erano stati sottoposti al poligrafo nell’inchiesta sulle informazioni riservate riguardanti le scorte di armamenti. Il New York Times aveva quantificato in circa 50 le persone del Joint Staff coinvolte nei test.
Il ricorso al poligrafo nelle strutture federali, comunque, precede l’attuale amministrazione. Il National Center for Credibility Assessment della Dcsa forma gli esaminatori, definisce standard tecnici e controlla i programmi federali. Nel 2022 il centro registrava oltre 1.100 esaminatori federali nei propri archivi per la formazione continua.
Polygraph Next deve quindi essere letto anche come un programma di modernizzazione di un’infrastruttura già esistente. Per il Pentagono il possibile guadagno è operativo: esami più standardizzati, meno dipendenti dalla configurazione manuale dei sensori e dati utilizzabili su scala più ampia. Per valutare il ritorno dei 30,3 milioni richiesti servirà però una misura che il bilancio non fornisce ancora: la capacità del nuovo sistema di ridurre gli errori rispetto al poligrafo tradizionale nelle condizioni reali di impiego.
Il passaggio decisivo sarà nei test indipendenti annunciati dalla Dcsa. Se i nuovi sensori misureranno meglio battito, temperatura e respirazione, il Pentagono avrà costruito uno strumento fisiologico più sofisticato. Dimostrare che quei segnali permettono di stabilire con affidabilità quando una persona mente richiederà una prova diversa, con dati verificabili e tassi di errore resi pubblici. È su quella distanza tra precisione della misurazione e accuratezza della conclusione che si misura il valore economico e operativo di Polygraph Next.
Partecipa alla community